CN112436958B - 数据中心网络设备故障预测的方法、系统、设备及介质 - Google Patents
数据中心网络设备故障预测的方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN112436958B CN112436958B CN202011225905.0A CN202011225905A CN112436958B CN 112436958 B CN112436958 B CN 112436958B CN 202011225905 A CN202011225905 A CN 202011225905A CN 112436958 B CN112436958 B CN 112436958B
- Authority
- CN
- China
- Prior art keywords
- abnormal rate
- comprehensive abnormal
- data
- current data
- rate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000002159 abnormal effect Effects 0.000 claims abstract description 150
- 230000004044 response Effects 0.000 claims abstract description 16
- 239000002131 composite material Substances 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0604—Management of faults, events, alarms or notifications using filtering, e.g. reduction of information by using priority, element types, position or time
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明公开了一种数据中心网络设备故障预测的方法、系统、设备和存储介质,方法包括:采集每种网络设备预定次数组历史数据,并计算历史数据以得到每种网络设备的第一基准综合异常率;根据每种网络设备的重要程度设置对应的第二基准综合异常率;采集网络设备的当前数据,并计算当前数据的综合异常率,判断综合异常率是否大于第一基准综合异常率;响应于综合异常率大于第一基准综合异常率,生成预测故障通知并将当前数据记录到故障记录表中,并判断综合异常率是否大于第二基准综合异常率;以及响应于综合异常率不大于第二基准综合异常率,将当前数据代替历史数据中距离当前时刻最远的一组数据,并返回重新计算第一基准综合异常率。
Description
技术领域
本发明涉及网络设备领域,更具体地,特别是指一种数据中心网络设备故障预测的方法、系统、计算机设备及可读介质。
背景技术
5G数据中心中存在着大量的网络设备,如交换机、路由器和防火墙等。硬件根据使用的时间长短,环境因素等会产生故障,对业务产生影响。目前,只有等设备出现故障才会进行告警,而这样往往会造成数据的丢失,因此,需要找到一种合适的故障预测的方法。
发明内容
有鉴于此,本发明实施例的目的在于提出一种数据中心网络设备故障预测的方法、系统、计算机设备及计算机可读存储介质,通过采集历史数据得到第一基准综合异常率,并根据网络设备的重要程度设置第二基准综合异常率,将采集到的数据与第一基准综合异常率比较以确定网络设备是否有故障的倾向,并将采集到的数据与第二基准综合异常率比较以确定该数据是否可以用于更新历史数据,不仅能够根据历史数据对网络设备进行预测,更能够对综合异常率进行调整以使得预测更加符合当前性能。
基于上述目的,本发明实施例的一方面提供了一种数据中心网络设备故障预测的方法,包括如下步骤:采集每种网络设备预定次数组历史数据,并计算所述历史数据以得到每种所述网络设备的第一基准综合异常率;根据每种网络设备的重要程度设置对应的第二基准综合异常率;采集网络设备的当前数据,并计算所述当前数据的综合异常率,判断所述综合异常率是否大于所述第一基准综合异常率;响应于所述综合异常率大于所述第一基准综合异常率,生成预测故障通知并将所述当前数据记录到故障记录表中,并判断所述综合异常率是否大于所述第二基准综合异常率;以及响应于所述综合异常率不大于所述第二基准综合异常率,将所述当前数据代替所述历史数据中距离当前时刻最远的一组数据,并返回重新计算所述第一基准综合异常率。
在一些实施方式中,所述生成预测故障通知并将所述当前数据记录到故障记录表中包括:获取所述网络设备的位置信息并展示。
在一些实施方式中,方法还包括:根据所述网络设备的位置信息确定与所述网络设备连接的部件,采集所述部件的当前数据并判断所述部件是否存在故障风险。
在一些实施方式中,所述生成预测故障通知并将所述当前数据记录到故障记录表中包括:根据所述当前数据在所述记录故障表中存在的次数确定所述当前数据的故障级别。
在一些实施方式中,所述生成预测故障通知并将所述当前数据记录到故障记录表中包括:根据所述当前数据的故障级别采用对应的通知方式和通知频率进行通知。
在一些实施方式中,方法还包括:响应于所述综合异常率不大于所述第一基准综合异常率,将所述当前数据代替所述历史数据中距离当前时刻最远的一组数据,并重新计算所述第一基准综合异常率。
在一些实施方式中,方法还包括:响应于所述综合异常率大于所述第二基准综合异常率,删除所述当前数据。
本发明实施例的另一方面,还提供了一种数据中心网络设备故障预测系统,包括:第一基准模块,配置用于采集每种网络设备预定次数组历史数据,并计算所述历史数据以得到每种所述网络设备的第一基准综合异常率;第二基准模块,配置用于根据每种网络设备的重要程度设置对应的第二基准综合异常率;计算模块,配置用于采集网络设备的当前数据,并计算所述当前数据的综合异常率,判断所述综合异常率是否大于所述第一基准综合异常率;通知模块,配置用于响应于所述综合异常率大于所述第一基准综合异常率,生成预测故障通知并将所述当前数据记录到故障记录表中,并判断所述综合异常率是否大于所述第二基准综合异常率;以及更新模块,配置用于响应于所述综合异常率不大于所述第二基准综合异常率,将所述当前数据代替所述历史数据中距离当前时刻最远的一组数据,并返回重新计算所述第一基准综合异常率。
本发明实施例的又一方面,还提供了一种计算机设备,包括:至少一个处理器;以及存储器,所述存储器存储有可在所述处理器上运行的计算机指令,所述指令由所述处理器执行时实现如上方法的步骤。
本发明实施例的再一方面,还提供了一种计算机可读存储介质,计算机可读存储介质存储有被处理器执行时实现如上方法步骤的计算机程序。
本发明具有以下有益技术效果:通过采集历史数据得到第一基准综合异常率,并根据网络设备的重要程度设置第二基准综合异常率,将采集到的数据与第一基准综合异常率比较以确定网络设备是否有故障的倾向,并将采集到的数据与第二基准综合异常率比较以确定该数据是否可以用于更新历史数据,不仅能够根据历史数据对网络设备进行预测,更能够对综合异常率进行调整以使得预测更加符合当前性能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的实施例。
图1为本发明提供的数据中心网络设备故障预测的方法的实施例的示意图;
图2为本发明提供的数据中心网络设备故障预测的计算机设备的实施例的硬件结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明实施例进一步详细说明。
需要说明的是,本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量,可见“第一”“第二”仅为了表述的方便,不应理解为对本发明实施例的限定,后续实施例对此不再一一说明。
基于上述目的,本发明实施例的第一个方面,提出了一种数据中心网络设备故障预测的方法的实施例。图1示出的是本发明提供的数据中心网络设备故障预测的方法的实施例的示意图。如图1所示,本发明实施例包括如下步骤:
S1、采集每种网络设备预定次数组历史数据,并计算历史数据以得到每种网络设备的第一基准综合异常率;
S2、根据每种网络设备的重要程度设置对应的第二基准综合异常率;
S3、采集网络设备的当前数据,并计算当前数据的综合异常率,判断综合异常率是否大于第一基准综合异常率;
S4、响应于综合异常率大于第一基准综合异常率,生成预测故障通知并将当前数据记录到故障记录表中,并判断综合异常率是否大于第二基准综合异常率;以及
S5、响应于综合异常率不大于第二基准综合异常率,将当前数据代替历史数据中距离当前时刻最远的一组数据,并返回重新计算第一基准综合异常率。
采集每种网络设备预定次数组历史数据,并计算历史数据以得到每种网络设备的第一基准综合异常率。网络设备具有不同的类型,例如:管理TOR(架顶式交换机)、业务TOR、存储TOR、管理EOR(核心交换机)、业务EOR、存储EOR、路由器、防火墙等。采集每种网络设备的预定次数组历史数据,例如100组,根据这100组历史数据得到该网络设备的第一基准综合异常率。计算的方式可以包括但不限于:计算每组数据对应的综合异常率,再计算100组的平均值得到第一基准综合异常率。
根据每种网络设备的重要程度设置对应的第二基准综合异常率。根据网络设备的不同重要程度设置不同的故障接受度。例如:业务EOR的重要程度较高,则可设置设备类型为业务EOR的对应端口的入丢包率、出丢包率、入错包率、出错包率的综合异常率为10%,管理TOR的重要程度较低,则可以设置管理TOR的综合异常率为30%。
采集网络设备的当前数据,并计算当前数据的综合异常率,判断综合异常率是否大于第一基准综合异常率。可以实时采集网络设备的当前数据,并计算当前数据的综合异常率,并通过判断综合异常率是否大于第一基准综合异常率来确定该网络设备是否存在发生故障的风险。
在一些实施方式中,方法还包括:响应于所述综合异常率不大于所述第一基准综合异常率,将所述当前数据代替所述历史数据中距离当前时刻最远的一组数据,并返回重新计算所述第一基准综合异常率。例如,当前数据计算得到的综合异常率为6%,第一基准综合异常率为8%,由于综合异常率不大于第一基准综合异常率,可以将该数据替代历史数据中距离当前时刻最远的一组数据,并对第一基准综合异常率进行更新。可以将历史数据按照获取的时间进行排序,最先获取的排在最前面,最后获取的排在最后面,因此,每次更新历史数据时可以将最前面的数据删除,然后在最后面加上最新的数据。
响应于综合异常率大于第一基准综合异常率,生成预测故障通知并将当前数据记录到故障记录表中,并判断综合异常率是否大于第二基准综合异常率。例如,当前数据计算得到的综合异常率为9%,第一基准综合异常率为8%,由于综合异常率大于第一基准综合异常率,则生成预测故障通知并将数据记录到故障记录表中。通过判断综合异常率是否大于第二基准综合异常率来确定是否可以更新历史数据。
在一些实施方式中,所述生成预测故障通知并将所述当前数据记录到故障记录表中包括:获取所述网络设备的位置信息并展示。当网络设备出现发生故障的风险时,获取该网络设备的位置信息并展示,以便于用户对该网络设备进行处理。
根据当前网络设备的信息计算延伸业务指标,并判断是否产生相应告警。例如:获取当前端口的接收字节数,根据两次采集周期采集到的数据计算当前端口的实时流量,与端口带宽计算端口业务利用率,当端口利用率过高时,产生端口利用率告警,提醒用户随着业务量的增长或者临时活动的开展,当前设备已经不满足业务需求需要升级部件以满足发展需要。
在一些实施方式中,方法还包括:根据所述网络设备的位置信息确定与所述网络设备连接的部件,采集所述部件的当前数据并判断所述部件是否存在故障风险。根据网络设备的位置信息获取关联部件的数据以预测关联部件是否存在发生故障的风险。例如:当A设备的AA端口与B设备的BB端口相连时,如果AA端口发生故障,则采集BB端口的数据以判断BB端口是否存在发生故障的风险。
在一些实施方式中,所述生成预测故障通知并将所述当前数据记录到故障记录表中包括:根据所述当前数据在所述记录故障表中存在的次数确定所述当前数据的故障级别。可以根据已记录的异常值及其出现次数确定故障级别,原则上出现次数越多故障级别越低,越常见;出现次数越少故障级别越高,需要多重视。
在一些实施方式中,所述生成预测故障通知并将所述当前数据记录到故障记录表中包括:根据所述当前数据的故障级别采用对应的通知方式和通知频率进行通知。故障级别越低通知方式越简单,时效性越差;故障级别越高通知方式越多,时效性更高。例如:故障级别低时,可通过邮件通知;故障级别为高时,可通过短信频发、远程电话固定话术轮询播报等方式进行通知。
响应于综合异常率不大于第二基准综合异常率,将当前数据代替历史数据中距离当前时刻最远的一组数据,并重新计算第一基准综合异常率。例如,当前数据计算得到的综合异常率为9%,第二基准综合异常率为10%,由于综合异常率不大于第二基准综合异常率,可以将该数据加入历史数据。
在一些实施方式中,方法还包括:响应于所述综合异常率大于所述第二基准综合异常率,删除所述当前数据。如果综合异常率大于第二基准综合异常率,可能是该综合异常率相对于一般数据来说偏差较大,可以直接删除该数据。
需要特别指出的是,上述数据中心网络设备故障预测的方法的各个实施例中的各个步骤均可以相互交叉、替换、增加、删减,因此,这些合理的排列组合变换之于数据中心网络设备故障预测的方法也应当属于本发明的保护范围,并且不应将本发明的保护范围局限在实施例之上。
基于上述目的,本发明实施例的第二个方面,提出了一种数据中心网络设备故障预测的系统,包括:第一基准模块,配置用于采集每种网络设备预定次数组历史数据,并计算所述历史数据以得到每种所述网络设备的第一基准综合异常率;第二基准模块,配置用于根据每种网络设备的重要程度设置对应的第二基准综合异常率;计算模块,配置用于采集网络设备的当前数据,并计算所述当前数据的综合异常率,判断所述综合异常率是否大于所述第一基准综合异常率;通知模块,配置用于响应于所述综合异常率大于所述第一基准综合异常率,生成预测故障通知并将所述当前数据记录到故障记录表中,并判断所述综合异常率是否大于所述第二基准综合异常率;以及更新模块,配置用于响应于所述综合异常率不大于所述第二基准综合异常率,将所述当前数据代替所述历史数据中距离当前时刻最远的一组数据,并返回重新计算所述第一基准综合异常率。
在一些实施方式中,所述通知模块配置用于:获取所述网络设备的位置信息并展示。
在一些实施方式中,系统还包括:关联模块,配置用于根据所述网络设备的位置信息确定与所述网络设备连接的部件,采集所述部件的当前数据并判断所述部件是否存在故障风险。
在一些实施方式中,所述通知模块配置用于:根据所述当前数据在所述记录故障表中存在的次数确定所述数据的故障级别。
在一些实施方式中,所述通知模块配置用于:根据所述当前数据的故障级别采用对应的通知方式和通知频率进行通知。
在一些实施方式中,系统还包括:第二更新模块,配置用于响应于所述综合异常率不大于所述第一基准综合异常率,将所述当前数据代替所述历史数据中距离当前时刻最远的一组数据,并重新计算所述第一基准综合异常率。
在一些实施方式中,系统还包括:删除模块,配置用于响应于所述综合异常率大于所述第二基准综合异常率,删除所述数据。
基于上述目的,本发明实施例的第三个方面,提出了一种计算机设备,包括:至少一个处理器;以及存储器,存储器存储有可在处理器上运行的计算机指令,指令由处理器执行以实现如下步骤:S1、采集每种网络设备预定次数组历史数据,并计算历史数据以得到每种网络设备的第一基准综合异常率;S2、根据每种网络设备的重要程度设置对应的第二基准综合异常率;S3、采集网络设备的当前数据,并计算当前数据的综合异常率,判断综合异常率是否大于第一基准综合异常率;S4、响应于综合异常率大于第一基准综合异常率,生成预测故障通知并将当前数据记录到故障记录表中,并判断综合异常率是否大于第二基准综合异常率;以及S5、响应于综合异常率不大于第二基准综合异常率,将当前数据代替历史数据中距离当前时刻最远的一组数据,并返回重新计算第一基准综合异常率。
在一些实施方式中,所述生成预测故障通知并将所述数据记录到故障记录表中包括:获取所述网络设备的位置信息并展示。
在一些实施方式中,步骤还包括:根据所述网络设备的位置信息确定与所述网络设备连接的部件,采集所述部件的当前数据并判断所述部件是否存在故障风险。
在一些实施方式中,所述生成预测故障通知并将所述当前数据记录到故障记录表中包括:根据所述当前数据在所述记录故障表中存在的次数确定所述当前数据的故障级别。
在一些实施方式中,所述生成预测故障通知并将所述当前数据记录到故障记录表中包括:根据所述当前数据的故障级别采用对应的通知方式和通知频率进行通知。
在一些实施方式中,步骤还包括:响应于所述综合异常率不大于所述第一基准综合异常率,将所述当前数据代替所述历史数据中距离当前时刻最远的一组数据,并重新计算所述第一基准综合异常率。
在一些实施方式中,步骤还包括:响应于所述综合异常率大于所述第二基准综合异常率,删除所述当前数据。
如图2所示,为本发明提供的上述数据中心网络设备故障预测的计算机设备的一个实施例的硬件结构示意图。
以如图2所示的装置为例,在该装置中包括一个处理器301以及一个存储器302,并还可以包括:输入装置303和输出装置304。
处理器301、存储器302、输入装置303和输出装置304可以通过总线或者其他方式连接,图2中以通过总线连接为例。
存储器302作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本申请实施例中的数据中心网络设备故障预测的方法对应的程序指令/模块。处理器301通过运行存储在存储器302中的非易失性软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例的数据中心网络设备故障预测的方法。
存储器302可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据数据中心网络设备故障预测的方法的使用所创建的数据等。此外,存储器302可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器302可选包括相对于处理器301远程设置的存储器,这些远程存储器可以通过网络连接至本地模块。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置303可接收输入的用户名和密码等信息。输出装置304可包括显示屏等显示设备。
一个或者多个数据中心网络设备故障预测的方法对应的程序指令/模块存储在存储器302中,当被处理器301执行时,执行上述任意方法实施例中的数据中心网络设备故障预测的方法。
执行上述数据中心网络设备故障预测的方法的计算机设备的任何一个实施例,可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
本发明还提供了一种计算机可读存储介质,计算机可读存储介质存储有被处理器执行时执行如上方法的计算机程序。
最后需要说明的是,本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关硬件来完成,数据中心网络设备故障预测的方法的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,程序的存储介质可为磁碟、光盘、只读存储记忆体(ROM)或随机存储记忆体(RAM)等。上述计算机程序的实施例,可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
以上是本发明公开的示例性实施例,但是应当注意,在不背离权利要求限定的本发明实施例公开的范围的前提下,可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外,尽管本发明实施例公开的元素可以以个体形式描述或要求,但除非明确限制为单数,也可以理解为多个。
应当理解的是,在本文中使用的,除非上下文清楚地支持例外情况,单数形式“一个”旨在也包括复数形式。还应当理解的是,在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。
上述本发明实施例公开实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子;在本发明实施例的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,并存在如上的本发明实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。因此,凡在本发明实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本发明实施例的保护范围之内。
Claims (10)
1.一种数据中心网络设备故障预测的方法,其特征在于,包括以下步骤:
采集每种网络设备预定次数组历史数据,并计算所述历史数据以得到每种所述网络设备的第一基准综合异常率;
根据每种网络设备的重要程度设置对应的第二基准综合异常率;
采集网络设备的当前数据,并计算所述当前数据的综合异常率,判断所述综合异常率是否大于所述第一基准综合异常率;
响应于所述综合异常率大于所述第一基准综合异常率,生成预测故障通知并将所述当前数据记录到故障记录表中,并判断所述综合异常率是否大于所述第二基准综合异常率;以及
响应于所述综合异常率不大于所述第二基准综合异常率,将所述当前数据代替所述历史数据中距离当前时刻最远的一组数据,并返回重新计算所述第一基准综合异常率。
2.根据权利要求1所述的方法,其特征在于,所述生成预测故障通知并将所述当前数据记录到故障记录表中包括:
获取所述网络设备的位置信息并展示。
3.根据权利要求2所述的方法,其特征在于,还包括:
根据所述网络设备的位置信息确定与所述网络设备连接的部件,采集所述部件的当前数据并判断所述部件是否存在故障风险。
4.根据权利要求1所述的方法,其特征在于,所述生成预测故障通知并将所述当前数据记录到故障记录表中包括:
根据所述当前数据在所述记录故障表中存在的次数确定所述当前数据的故障级别。
5.根据权利要求4所述的方法,其特征在于,所述生成预测故障通知并将所述当前数据记录到故障记录表中包括:
根据所述当前数据的故障级别采用对应的通知方式和通知频率进行通知。
6.根据权利要求1所述的方法,其特征在于,还包括:
响应于所述综合异常率不大于所述第一基准综合异常率,将所述当前数据代替所述历史数据中距离当前时刻最远的一组数据,并重新计算所述第一基准综合异常率。
7.根据权利要求1所述的方法,其特征在于,还包括:
响应于所述综合异常率大于所述第二基准综合异常率,删除所述当前数据。
8.一种数据中心网络设备故障预测的系统,其特征在于,包括:
第一基准模块,配置用于采集每种网络设备预定次数组历史数据,并计算所述历史数据以得到每种所述网络设备的第一基准综合异常率;
第二基准模块,配置用于根据每种网络设备的重要程度设置对应的第二基准综合异常率;
计算模块,配置用于采集网络设备的当前数据,并计算所述当前数据的综合异常率,判断所述综合异常率是否大于所述第一基准综合异常率;
通知模块,配置用于响应于所述综合异常率大于所述第一基准综合异常率,生成预测故障通知并将所述当前数据记录到故障记录表中,并判断所述综合异常率是否大于所述第二基准综合异常率;以及
更新模块,配置用于响应于所述综合异常率不大于所述第二基准综合异常率,将所述当前数据代替所述历史数据中距离当前时刻最远的一组数据,并返回重新计算所述第一基准综合异常率。
9.一种计算机设备,其特征在于,包括:
至少一个处理器;以及
存储器,所述存储器存储有可在所述处理器上运行的计算机指令,所述指令由所述处理器执行时实现权利要求1-7任意一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011225905.0A CN112436958B (zh) | 2020-11-05 | 2020-11-05 | 数据中心网络设备故障预测的方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011225905.0A CN112436958B (zh) | 2020-11-05 | 2020-11-05 | 数据中心网络设备故障预测的方法、系统、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112436958A CN112436958A (zh) | 2021-03-02 |
CN112436958B true CN112436958B (zh) | 2022-05-24 |
Family
ID=74694672
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011225905.0A Active CN112436958B (zh) | 2020-11-05 | 2020-11-05 | 数据中心网络设备故障预测的方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112436958B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114095338A (zh) * | 2021-10-27 | 2022-02-25 | 北京思特奇信息技术股份有限公司 | 一种云计算平台智能预测告警的方法及系统 |
CN115277491B (zh) * | 2022-06-15 | 2023-06-06 | 中国联合网络通信集团有限公司 | 异常数据的确定方法、装置及计算机可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6738811B1 (en) * | 2000-03-31 | 2004-05-18 | Supermicro Computer, Inc. | Method and architecture for monitoring the health of servers across data networks |
CN106209432A (zh) * | 2016-06-30 | 2016-12-07 | 中国人民解放军国防科学技术大学 | 基于动态阈值的网络设备亚健康预警方法及装置 |
CN108632097A (zh) * | 2018-05-14 | 2018-10-09 | 平安科技(深圳)有限公司 | 异常行为对象的识别方法、终端设备及介质 |
-
2020
- 2020-11-05 CN CN202011225905.0A patent/CN112436958B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6738811B1 (en) * | 2000-03-31 | 2004-05-18 | Supermicro Computer, Inc. | Method and architecture for monitoring the health of servers across data networks |
CN106209432A (zh) * | 2016-06-30 | 2016-12-07 | 中国人民解放军国防科学技术大学 | 基于动态阈值的网络设备亚健康预警方法及装置 |
CN108632097A (zh) * | 2018-05-14 | 2018-10-09 | 平安科技(深圳)有限公司 | 异常行为对象的识别方法、终端设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112436958A (zh) | 2021-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106878064B (zh) | 数据监控方法和装置 | |
CN107204894B (zh) | 网络业务质量的监控方法及装置 | |
CN103220173B (zh) | 一种报警监控方法及监控系统 | |
US8321528B2 (en) | Method of processing event notifications and event subscriptions | |
CN112436958B (zh) | 数据中心网络设备故障预测的方法、系统、设备及介质 | |
US20150039749A1 (en) | Detecting traffic anomalies based on application-aware rolling baseline aggregates | |
US20110141913A1 (en) | Systems and Methods for Providing Fault Detection and Management | |
US20030093709A1 (en) | Method and system for supporting network system troubleshooting | |
CA2452285A1 (en) | Method and system for monitoring control signal traffic over a computer network | |
US20110141914A1 (en) | Systems and Methods for Providing Ethernet Service Circuit Management | |
CN111600746A (zh) | 网络故障定位方法、装置及设备 | |
US10484253B2 (en) | Topology map update with service quality indicators | |
CN112395156A (zh) | 故障的告警方法和装置、存储介质和电子设备 | |
CN112601247B (zh) | 基站小区的业务质量监测方法、装置和系统 | |
CN109992473A (zh) | 应用系统的监控方法、装置、设备及存储介质 | |
CN116760655B (zh) | Sd-wan应用中提供cpe最优接入的pop点方法 | |
CN116909817A (zh) | 专线控制方法、装置、计算机设备和存储介质 | |
CN115174350A (zh) | 一种运维告警方法、装置、设备及介质 | |
CN112383409B (zh) | 一种网络状态码聚合报警方法及系统 | |
CN113727210A (zh) | 一种设备信息管理方法、系统、存储介质及设备 | |
CN113254313A (zh) | 一种监控指标异常检测方法、装置、电子设备及存储介质 | |
JP2017175423A (ja) | ネットワーク監視装置およびネットワーク監視方法 | |
CN109388546B (zh) | 处理应用程序的故障的方法、装置和系统 | |
CN111262728A (zh) | 基于日志端口流量的流量负载监控系统 | |
CN110896545A (zh) | 在线计费漫游故障定位方法及相关装置、存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |